Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/115882
Title: Estudio sobre la Detección de Anomalías en Series de Datos
Authors: Ortega Naranjo, Eduardo
Director: Hernández Tejera, Francisco Mario 
UNESCO Clasification: 120317 Informática
Issue Date: 2022
Abstract: La detección de anomalías es un problema de gran relevancia en la ciencia de datos debido a que, una vez interpretadas, pueden indicar problemas críticos como, por ejemplo, un fallo técnico en una máquina o un cambio de comportamiento en los hábitos de animales o personas. El objetivo de este trabajo es realizar un estudio comparativo sobre la detección de anomalías en series de datos usando redes neuronales, centrándose en analizar el rendimiento de diferentes modelos y arquitecturas para determinar cuál es la mejor. Para realizar el estudio, se seleccionan dos arquitecturas de red a las que se aplican diferentes hiperparámetros y se evalúan los modelos resultantes contra dos tipos de series temporales: periódicas y no periódicas.
Anomaly detection is a highly relevant problem in data science because, once interpreted, anomalies can indicate critical problems, such as technical failures in a machine or a change in the behaviour of animals or people. The aim of this survey is to carry out a comparative study on anomaly detection in datasets using neural networks, focusing on analysing the performance of different models and architectures to determine which one is the best. To perform the study, two network architectures are selected to which different hyperparameters are applied. The resulting models are evaluated against two types of time series: periodic and non-periodic.
Department: Departamento de Informática y Sistemas
Faculty: Escuela de Ingeniería Informática
Degree: Grado en Ingeniería Informática
URI: http://hdl.handle.net/10553/115882
Appears in Collections:Trabajo final de grado
Adobe PDF (4,85 MB)

En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.

Show full item record

Page view(s)

119
checked on May 18, 2024

Download(s)

230
checked on May 18, 2024

Google ScholarTM

Check


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.